Simulera den autoregressiva modellen

Den autoregressiva (AR) modellen är förmodligen den mest använda tidsseriemodellen. Den liknar en enkel linjär regression, men här regresseras varje observation på den föregående observationen. AR-modellen omfattar också vitbrusimodellen (WN) och slumpvandringen (RW) – som behandlades i tidigare kapitel – som specialfall.

Den mångsidiga funktionen arima.sim(), som du använt i tidigare kapitel, kan även användas för att simulera data från en AR-modell. Det gör du genom att sätta argumentet model till list(ar = phi), där phi är en lutningsparameter inom intervallet (-1, 1). Du behöver också ange seriernas längd n.

I den här övningen använder du det här kommandot för att simulera och plotta tre olika AR-modeller med lutningsparametrarna 0,5, 0,9 respektive -0,75.

Den här övningen är en del av kursen

Tidsserieanalys i R

Visa kurs

Övningsinstruktioner

Använd arima.sim() för att simulera 100 observationer av en AR-modell med lutningen 0,5. Sätt argumentet model till list(ar = 0.5) och argumentet n till 100. Spara de simulerade data i x.
Gör ett liknande anrop till arima.sim() för att simulera 100 observationer av en AR-modell med lutningen 0,9. Spara dessa data i y.
Gör ett tredje anrop till arima.sim() för att simulera 100 observationer av en AR-modell med lutningen -0,75. Spara dessa data i z.
Använd plot.ts() med cbind() för att plotta dina tre ts-objekt (x, y, z).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)

# Simulate an AR model with 0.9 slope
y <- 

# Simulate an AR model with -0.75 slope
z <- 

# Plot your simulated data
plot.ts(cbind(___, ___, ___))

Redigera och kör kod